人腦，是自然界中最完美的信息處理系統(tǒng)，它可以執(zhí)行各種各樣的復(fù)雜任務(wù)，其計(jì)算效能要比現(xiàn)有數(shù)字計(jì)算系統(tǒng)高出幾個(gè)數(shù)量級(jí)，被認(rèn)為是目前唯一的“通用智能體”。

一直以來，通過模擬人腦信息處理方式，仿制像人腦一樣具有“思維”、在工作性能上超越人腦的“類腦系統(tǒng)”，實(shí)現(xiàn)通用人工智能，是眾多科學(xué)家畢生追求的夢(mèng)想。

如今，來自清華大學(xué)、北京信息科學(xué)與技術(shù)國(guó)家研究中心、美國(guó)特拉華大學(xué)（University of Delaware）科研團(tuán)隊(duì)的一項(xiàng)突破性研究，或?qū)⒓铀兕惸X計(jì)算和通用人工智能（Artificial General Intelligence，AGI）的到來。

研究人員在類腦計(jì)算通用系統(tǒng)層次結(jié)構(gòu)方向取得突破性進(jìn)展，并提出了“神經(jīng)形態(tài)完備性”（neuromorphic completenes）的最新概念。

（來源：Nature）

相關(guān)論文于 10 月 14 日在線發(fā)表在頂級(jí)科學(xué)期刊《自然》（Nature）上，清華大學(xué)教授、清華大學(xué)類腦計(jì)算中心主任施路平和清華大學(xué)計(jì)算機(jī)系研究員張悠慧為該論文的共同通訊作者。

更具魯棒性與通用性的通用人工智能

通用人工智能是具備與人類同等智慧或超越人類的人工智能，通常把人工智能和意識(shí)、感性、知識(shí)和自覺等人類的特征互相連結(jié)，能表現(xiàn)正常人類所具有的所有智能行為，是人工智能研究的主要目標(biāo)之一，同時(shí)也是科幻小說和未來學(xué)家都在討論的主要議題。

業(yè)內(nèi)認(rèn)為，當(dāng)前的人工智能成果大都是“狹隘”的，即面向特定任務(wù)，只能解決特定問題。目前基于馮·諾依曼架構(gòu)的計(jì)算機(jī)擅長(zhǎng)解決有充足大數(shù)據(jù)、完整靜態(tài)知識(shí)的確定性問題（比如深度學(xué)習(xí)在圍棋比賽、圖像識(shí)別等領(lǐng)域的應(yīng)用）已經(jīng)不遜于人類，但并沒有能力很好地解決沒有那么多數(shù)據(jù)、動(dòng)態(tài)知識(shí)尚不足的模糊性問題。

未來，人工智能的發(fā)展必將從“狹隘”的弱人工智能走向更具魯棒性與通用性的通用人工智能，但當(dāng)前的人工智能技術(shù)距離達(dá)到人類水平的通用人工智能還有很長(zhǎng)的路要走。

一直以來，類腦計(jì)算都被認(rèn)為是打開通用人工智能的鑰匙。去年 10 月，施路平在北京智源大會(huì)“智能體系架構(gòu)與芯片專題論壇”中的主題演講中曾表示，“基于碳基已經(jīng)發(fā)展出現(xiàn)有的人類智能，基于硅芯片已經(jīng)發(fā)展出強(qiáng)大的機(jī)器智能，一旦實(shí)現(xiàn)人類的全腦解析，采用類腦計(jì)算構(gòu)建通用人工智能是完全沒有障礙的。”

他還表示，通用人工智能的研究，從根本上來講，不同于把很多的窄人工智能加在一起，其主要研究思路是把類腦的彈性和計(jì)算機(jī)的剛性結(jié)合起來，把數(shù)據(jù)驅(qū)動(dòng)和知識(shí)推動(dòng)結(jié)合起來，把通用知識(shí)和推理結(jié)合起來，這是一個(gè)非常有挑戰(zhàn)的長(zhǎng)期的研究。

如今，盡管類腦計(jì)算系統(tǒng)已與人工智能技術(shù)結(jié)合，并被業(yè)內(nèi)專家認(rèn)為可能提供一條通向通用人工智能的途徑，在更通用算法的應(yīng)用層面也有著一定的突破和發(fā)展，但要保證類腦計(jì)算系統(tǒng)的性能、可編程性和生產(chǎn)效率，仍然面臨著不小的挑戰(zhàn)和極高的要求。

尤其是，當(dāng)前類腦計(jì)算的系統(tǒng)和芯片，雖然具體類型有所不同，但都比較側(cè)重于端到端的軟硬件協(xié)同設(shè)計(jì)方法，缺乏一種可以將算法、芯片和器件等不同領(lǐng)域技術(shù)和需求有機(jī)結(jié)合起來的軟硬件系統(tǒng)層次結(jié)構(gòu)設(shè)計(jì)。

而此次這一最新研究成果的提出，或許為通用人工智能的加速到來提供了可能。

全新概念：神經(jīng)形態(tài)完備性

當(dāng)前，幾乎所有現(xiàn)有的編程語言都是圖靈完備的，馮·諾依曼結(jié)構(gòu)通過圖靈完備的接口（即通用指令集）支持圖靈機(jī)，通過引入圖靈完備性以及基于圖靈完備性的層次結(jié)構(gòu)和馮·諾依曼體系結(jié)構(gòu)，避免了當(dāng)前計(jì)算系統(tǒng)中軟件和硬件之間的緊密耦合，實(shí)現(xiàn)了高效、兼容和獨(dú)立的進(jìn)程，通過設(shè)置硬件（圖靈完備性）的最低要求，在任何馮·諾依曼處理器（編譯）上將任何高級(jí)語言的程序轉(zhuǎn)換成等效的指令序列變得可行。

相比之下，類腦計(jì)算目前缺乏一個(gè)簡(jiǎn)單但健全的系統(tǒng)層次結(jié)構(gòu)來支持整體開發(fā)，神經(jīng)形態(tài)軟件和硬件之間沒有清晰完備的接口，不同研究方面之間的交互也比較復(fù)雜。

盡管各種基于類腦計(jì)算的算法、計(jì)算模型和軟件設(shè)計(jì)不斷出現(xiàn)，科研人員也研發(fā)出了各類神經(jīng)形態(tài)芯片，但它們通常都需要特定的軟件工具鏈才能正常運(yùn)行。其結(jié)果是，類腦計(jì)算系統(tǒng)（包括應(yīng)用程序模型、系統(tǒng)軟件和神經(jīng)形態(tài)設(shè)備）的各個(gè)層被緊密綁定在了一起，影響了軟件和硬件之間的兼容性，損害了類腦計(jì)算系統(tǒng)的編程靈活性和開發(fā)效率。

一些研究試圖通過特定領(lǐng)域的語言或開發(fā)框架連接各種軟件和硬件，但這些研究通常沒有考慮系統(tǒng)的圖靈完備性，在解決諸如硬件完備性、編程語言完備性和類腦計(jì)算的系統(tǒng)層次結(jié)構(gòu)等更基本的問題上，近年來也幾乎沒有什么大的進(jìn)展。而且，由于許多類腦芯片不是為通用計(jì)算而設(shè)計(jì)的，而且它們中很少提供傳統(tǒng)的指令集，因此不清楚它們是否是圖靈完備的，甚至不清楚圖靈完備是否是必要的。

為解決上述問題，施路平、張悠慧等人在這項(xiàng)研究中提出了＂神經(jīng)形態(tài)完備性＂的概念，這是一種更具適應(yīng)性、更廣泛的類腦計(jì)算完備性的定義，它降低了系統(tǒng)對(duì)神經(jīng)形態(tài)硬件的完備性要求，提高了不同硬件和軟件設(shè)計(jì)之間的兼容性，并通過引入一個(gè)新的維度——近似粒度（the approximation granularity）來擴(kuò)大設(shè)計(jì)空間。

同時(shí)，他們也提出了一種全新的系統(tǒng)層次結(jié)構(gòu)，這一結(jié)構(gòu)包括軟件、硬件和編譯三個(gè)層次，具有圖靈完備的軟件抽象模型和通用的抽象神經(jīng)形態(tài)結(jié)構(gòu)。在該系統(tǒng)層次結(jié)構(gòu)下，各種程序可以用統(tǒng)一的表示來描述，在任何神經(jīng)形態(tài)完備的硬件上都能轉(zhuǎn)換為等效的可執(zhí)行程序，從而確保編程語言的可移植性、硬件的完備性和編譯的可行性。

圖｜類腦計(jì)算系統(tǒng)和傳統(tǒng)計(jì)算系統(tǒng)的層次結(jié)構(gòu)（來源：Nature）

軟件指的是編程語言或框架以及建立在它們之上的算法或模型。在這個(gè)層次上，他們提出了一種統(tǒng)一的、通用的軟件抽象模式——POG 圖（programming operator graph）——以適應(yīng)各種類腦算法和模型設(shè)計(jì)。POG 由統(tǒng)一的描述方法和事件驅(qū)動(dòng)的并行程序執(zhí)行模型組成，該模型集成了存儲(chǔ)和處理，描述了什么是類腦程序，并定義了如何執(zhí)行。由于 POG 是圖靈完備的，它最大程度地支持各種應(yīng)用程序、編程語言和框架。
硬件方面，則包括所有類腦芯片和架構(gòu)模型。他們?cè)O(shè)計(jì)了抽象神經(jīng)形態(tài)體系結(jié)構(gòu)（ANA）作為硬件抽象，包括一個(gè) EPG 圖（execution primitive graph），作為上層的接口來描述它可以執(zhí)行的程序。EPG 具有控制－流－數(shù)據(jù)流的混合表示，最大化了它對(duì)不同硬件的適應(yīng)性，且符合當(dāng)前硬件的發(fā)展趨勢(shì)，即混合架構(gòu)。

編譯層，是將程序轉(zhuǎn)換為硬件支持的等效形式的中間層。為實(shí)現(xiàn)可行性，研究人員提出了一套被主流類腦芯片廣泛支持的基本硬件執(zhí)行原語（hardware execution primitives），并證明配備這套硬件的神經(jīng)形態(tài)是完備的，并以一個(gè)工具鏈軟件作為編譯層的實(shí)例，論證了該層次結(jié)構(gòu)的可行性、合理性和優(yōu)越性。

對(duì)此，研究人員認(rèn)為，這一層次結(jié)構(gòu)促進(jìn)了軟硬件的協(xié)同設(shè)計(jì)，可以避免硬件和軟件之間的緊密耦合，確保任何類腦程序都可以由圖靈完備的 POG 在任何神經(jīng)形態(tài)完備硬件上編譯成一個(gè)等效和可執(zhí)行的 EPG，也確保了類腦計(jì)算系統(tǒng)的編程可移植性、硬件完備性和編譯可行性。

此外，他們也實(shí)現(xiàn)了工具鏈軟件的設(shè)計(jì)，以支持不同類型的程序在各種典型的硬件平臺(tái)上執(zhí)行，證明了這一系統(tǒng)層次結(jié)構(gòu)的優(yōu)勢(shì)。結(jié)合所提出的系統(tǒng)架構(gòu)（包括軟件和硬件抽象模型），擴(kuò)充的完備性定義使圖靈完備性軟件與神經(jīng)形態(tài)完備性硬件的等效轉(zhuǎn)換成為可能，即實(shí)現(xiàn)了軟件和硬件的去耦合。（學(xué)術(shù)君注：軟硬件去耦合是計(jì)算機(jī)系統(tǒng)結(jié)構(gòu)中非常重要的設(shè)計(jì)方法論，基于此，軟件研發(fā)人員不需要考慮如何設(shè)計(jì)底層硬件，硬件開發(fā)人員也只需要遵循一定指令集規(guī)范，不用擔(dān)心兼容性和上層軟件開發(fā)的問題。）

這一設(shè)計(jì)理念使得系統(tǒng)不同方面之間的接口和劃分更加清晰，他們希望在當(dāng)前層次結(jié)構(gòu)的基礎(chǔ)上繼續(xù)攻關(guān)，進(jìn)一步提高類腦計(jì)算系統(tǒng)的效率和可兼容性，從而促進(jìn)包括通用人工智能在內(nèi)的各個(gè)應(yīng)用方向的發(fā)展。

神經(jīng)形態(tài)計(jì)算領(lǐng)域“重要一步”

對(duì)于這一最新研究成果，英國(guó)曼徹斯特大學(xué)（University of Manchester）計(jì)算機(jī)科學(xué)系博士奧利弗·羅茲（Oliver Rhodes）給出了高度評(píng)價(jià)，認(rèn)為“這一方法讓我們更接近利用類腦硬件所能取得的巨大成就”。

在他看來，這項(xiàng)研究的一個(gè)亮點(diǎn)為，施路平和張悠慧等人提出了具有完備性的連續(xù)統(tǒng)一體（continuum of completeness）——根據(jù)神經(jīng)形態(tài)系統(tǒng)執(zhí)行基本操作的準(zhǔn)確性，可接受不同級(jí)別的算法性能，意味著新的層次結(jié)構(gòu)可以使用所有可用的模擬和數(shù)字神經(jīng)形態(tài)系統(tǒng)來實(shí)現(xiàn)，包括那些為執(zhí)行速度或能源效率而犧牲精度的系統(tǒng)。

羅茲還表示，這一層次結(jié)構(gòu)可以比較實(shí)現(xiàn)相同算法的等效版本的不同硬件平臺(tái)，以及比較在同一硬件上實(shí)現(xiàn)的不同算法，這些都是對(duì)神經(jīng)形態(tài)體系結(jié)構(gòu)進(jìn)行有效基準(zhǔn)測(cè)試的關(guān)鍵任務(wù)，在原理證明實(shí)驗(yàn)中包括傳統(tǒng)圖靈完備的硬件（GPU）也是非常有價(jià)值的，因?yàn)檫@表明，在某些應(yīng)用中，該層次結(jié)構(gòu)可能被用來證明神經(jīng)形態(tài)設(shè)備優(yōu)于主流系統(tǒng)的優(yōu)勢(shì)。

另外，這一層次結(jié)構(gòu)還可以將算法和硬件開發(fā)分割成獨(dú)立的研究，如果要獲得底層神經(jīng)形態(tài)架構(gòu)的好處，算法的規(guī)模和復(fù)雜性將需要隨著時(shí)間的推移而增加，因此這種分離將幫助未來的研究人員專注于研究問題的特定方面，而不是試圖找到完整的端到端解決方案。

盡管在神經(jīng)形態(tài)計(jì)算領(lǐng)域，要把許多工業(yè)和學(xué)術(shù)研究小組的工作結(jié)合起來，還有很多工作要做，但羅茲認(rèn)為，施路平和張悠慧等人此次提出這一層次結(jié)構(gòu)，是朝著這個(gè)方向邁出的重要一步。

群雄角逐“類腦計(jì)算”

近年來，隨著摩爾定律逐漸失效，馮·諾依曼結(jié)構(gòu)帶來的局限日益明顯，存儲(chǔ)墻、功耗墻、智能提升等問題，讓當(dāng)前計(jì)算機(jī)發(fā)展面臨重大挑戰(zhàn)。人們普遍認(rèn)為，數(shù)字計(jì)算機(jī)能力的進(jìn)步速度正在放緩，以摩爾定律為特征的計(jì)算機(jī)時(shí)代即將結(jié)束。

而從人類大腦中汲取靈感的類腦計(jì)算或神經(jīng)形態(tài)計(jì)算，是一種有潛力打破馮·諾伊曼瓶頸并推動(dòng)下一波計(jì)算機(jī)工程的計(jì)算模型和架構(gòu)。

類腦計(jì)算的概念最早由美國(guó)計(jì)算機(jī)科學(xué)家、美國(guó)加州理工學(xué)院榮譽(yù)退休教授卡弗·米德（Carver Mead）于 1989 年出，但當(dāng)時(shí)摩爾定律下的“計(jì)算危機(jī)”并未顯現(xiàn)，相關(guān)研究也就并沒有引起太多人的關(guān)注。直到 2004 年單核處理器主頻停止增長(zhǎng)，人們開始轉(zhuǎn)向多核，尋求非馮諾依曼架構(gòu)的替代技術(shù)，類腦計(jì)算這一概念才開始引起人們的關(guān)注。

如今，人工智能賦能下的類腦計(jì)算技術(shù)被認(rèn)為是可能提供一條通向通用人工智能的途徑，世界各國(guó)的科研學(xué)者和研究機(jī)構(gòu)也相繼開展腦相關(guān)研究并取得了一系列成果。國(guó)外主要有 IBM 的 TrueNorth、英特爾的 Loihi，以及 Braindrop、SpiNNaker 和 BrainScales 等，而中國(guó)在這一領(lǐng)域也處于世界前列。

自 2013 年 3 月全職入職清華大學(xué)、組建清華大學(xué)類腦計(jì)算研究中心后，施路平團(tuán)隊(duì)就始終從基礎(chǔ)理論、類腦計(jì)算系統(tǒng)芯片和軟件系統(tǒng)全方位進(jìn)行類腦計(jì)算研究。

去年 8 月，施路平團(tuán)隊(duì)攜手第三代“天機(jī)芯”登上《自然》雜志封面（《面向人工通用智能的異構(gòu)天機(jī)芯片架構(gòu)》（Towards artificial general Intelligence with hybrid Tianjic chip architecture），這是世界上首款異構(gòu)融合類腦芯片，并通過自動(dòng)駕駛自行車成功驗(yàn)證了通用智能的可行性。此次研究成果是施路平團(tuán)隊(duì)在類腦計(jì)算與通用人工智能領(lǐng)域的進(jìn)一步探索。

今年 9 月，浙江大學(xué)聯(lián)合之江實(shí)驗(yàn)室共同研制成功了我國(guó)首臺(tái)基于自主知識(shí)產(chǎn)權(quán)類腦芯片的類腦計(jì)算機(jī)（Darwin Mouse），是目前國(guó)際上神經(jīng)元規(guī)模最大的類腦計(jì)算機(jī)。

未來，隨著人工智能與腦科學(xué)研究進(jìn)一步發(fā)展，具有人類智慧的類腦系統(tǒng)和通用人工智能，或許并不是遙不可及的夢(mèng)想。